專題報告 (三):
智慧化醫療服務與生技醫藥開發
講題:
人工智慧在生技新藥開發之運用
主講人:吳忠勳執行長 財團法人生物
技術開發中心 執行長
大綱
一. 新藥開發流程簡介
二. 人工智慧在生技新藥開發之運用 –以國際為例
–以生技中心為例
新藥開發包括許多複雜的活動
標的確認 Target
Identification Validation
候選藥物篩選 Drug Screening to Lead Identification (Biologics, SM)
臨床前開發 Preclinical Development
臨床試驗 Clinical
Development Phase 1-3
臨床運用 Clinical
新藥開發的成功率低、成本高
時間:10-15 年
標的確認 Target
Identification Validation
候選藥物篩選 Drug Screening to Lead Identification (Biologics, SM)
臨床前開發 Preclinical Development
臨床試驗 Clinical
Development Phase 1-3
臨床運用 Clinical
5000-10000
(molecules) 250-500 5 1
成功率:1/5,000-1/10,000
成本: 27億美金
如何增加成功率,降低成本?
人工智慧在生技新藥開發之運用
標的確認 Target
Identification Validation
候選藥物篩選 Drug Screening to Lead Identification (Biologics, SM)
臨床前開發 Preclinical Development
臨床試驗 Clinical
Development Phase 1-3
臨床運用 Clinical
眾多標的 眾多候選藥物 眾多條件 眾多病人 臨床運用
最佳標的 最佳候選藥物 最佳條件 最佳病人 臨床運用
如何利用過去累積的經驗(Big Data)
在眾多選擇中找出最佳選項?
國際藥物開發及上市後臨床使用皆開始導入人工智慧
(https://www.lek.com/insights/ei/artificial-intelligence-life-sciences-formula-pharma-success-across-drug-lifecycle)
加速藥物開發速度
降低藥物開發成本
(https://www.lek.com/insights/ei/artificial-intelligence-life-sciences-formula-pharma-success-across-drug-lifecycle)
全球前10大藥廠在AI之策略聯盟及併購
全球前10大藥廠與跨國資訊科技企業結盟: 藉由結合藥廠累積的藥物開發經驗及數 據與AI公司的雲端運算或大數據分析等能量,加速標的物篩選,藥物篩選及藥物開 發等時程。
創投公司於2018年投入了近11億美金的資金在以AI或機器學習為主的藥物開發新創 公司。
人工智慧在生技新藥開發之運用---國際案例 Recursion Pharmaceuticals
神經細胞
• 機械手臂,每週100,000試 驗,記錄每顆細胞型態
• 2百萬高解析度圖像
• 人工智慧學習,之後評斷藥 物效果
• 2個新藥進入臨床試驗
人工智慧在生技新藥開發之運用---DCB案例1
藥動學AI模組應用於新藥設計、合成、與ADMET性質預測
• 藥物合成可行性
• 新結構優化
• 藥物代謝動力分析
(ADME)
• 毒理
• 專利空間
新藥開發瓶頸:
ADME 專利資料庫檢索
結構合成
及優化 藥物傳導及親和力
• First pass effect
• Oral bioavailability
• BBB permeability
• Concentration at the site of action
機器深度學習
DCBplus
自行設計候選藥物
並預測其成藥特性
人工智慧在生技新藥開發之運用---DCB案例2
乳癌不良預後因子之病理影像AI模組建置及藥物開發分析
藥廠 醫療院所 掃片機大廠 技術
轉移 1 乳癌預後因子 病理影像量化方法
病理影像 特徵精準判別
ML
3 乳癌 精準化病人族群方法
Retrospective biomarkers stain
個人化精準治療 Patient clustering
model
ML
2 乳癌臨床預後 預測模型
Clinical data
Regression model
Survival 病程進展預測
ML
生醫製藥開發之趨勢與未來- Automated ML in Multiple Fields
Target identification Drug Screening
Pr ec lini cal d e ve lopme n t
Clinical development Phase 1-3
Clinical
最佳標的
(Nature Biotech., 2017, 35:604-605) (Google DeepMind)
(Nature Method., 2019, doi: 10.1038/s41592-019-0403-1.) (J. Biotech., 2018, 271:47-55)
最佳候選藥物
最佳條件
最佳病人 臨床運用
拓展新穎藥物